Python百度图片爬虫

视频演示搜索B站“速光网络”

import requests # 首先导入库

import re

import os

# 设置默认配置

MaxSearchPage = 20 # 收索页数

CurrentPage = 1 # 当前正在搜索的页数

DefaultPath = "./百度图片" # 默认储存位置

NeedSave = 0 # 是否需要储存

# 图片链接正则和下一页的链接正则
def imageFiler(content): # 通过正则获取当前页面的图片地址数组

return re.findall('"objURL":"(.*?)"', content, re.S) # 获取.*?中URL
def nextSource(content): # 通过正则获取下一页的网址

next = re.findall(

'<div id="page">.*<a href="(.*?)" class="n">', content, re.S)[0]

print("---------" + "http://image.baidu.com" + next)

return next

# 爬虫主体
def spidler(source):

headers = {

'user-agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'}

content = requests.get(source, headers=headers).text # 通过链接获取内容

imageArr = imageFiler(content) # 获取图片数组

global CurrentPage

print("Current page:" + str(CurrentPage) +

"**********************************")

for imageUrl in imageArr:

print(imageUrl)

global NeedSave

if NeedSave: # 如果需要保存图片则下载图片，否则不下载图片

global DefaultPath

try:

# 下载图片并设置超时时间,如果图片地址错误就不继续等待了

# picture为返回的图片二进制数据

picture = requests.get(imageUrl, timeout=10).content

except:

print("Download image error! errorUrl:" + imageUrl)

continue

# 创建图片保存的路径
imageUrl = imageUrl.replace(

'/', '').replace(':', '').replace('?', '') # 将'/',':','?'替换为' '

pictureSavePath = DefaultPath+'/'+imageUrl+'.jpg'
if not os.path.exists(DefaultPath):

os.mkdir(DefaultPath)

try:

with open(pictureSavePath, 'wb') as fp:

fp.write(picture)

except:

continue
global MaxSearchPage

if CurrentPage < MaxSearchPage: # 继续下一页爬取

if nextSource(content):

CurrentPage += 1

# 爬取完毕后通过下一页地址继续爬取

spidler("http://image.baidu.com" + nextSource(content))

# 爬虫的开启方法

def beginSearch(page=1, save=0, savePath=".//百度图片"):

# (page:爬取页数,save:是否储存,savePath:默认储存路径)

global MaxSearchPage, NeedSave, DefaultPath

MaxSearchPage = page

NeedSave = save # 是否保存，值0不保存，1保存

DefaultPath = savePath # 图片保存的位置

key = input("请输入搜索关键词：")

StartSource = "http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=" + \

str(key) + "&ct=201326592&v=flip" # 分析链接可以得到,替换其`word`值后面的数据来搜索关键词

spidler(StartSource)
# 调用开启的方法就可以通过关键词搜索图片了

beginSearch(page=30, save=1) # page=30是下载前30页，save=1保存图片